سوال شماره 13520
چندگزینهای
آزمون نظام مهندسی ترافیک
در تحلیل سریهای زمانی ترافیکی، کدام روش برای پیشبینی دقیقتر حجم ترافیک در ساعات اوج مناسبتر است؟
گزینهها:
- 1. استفاده از مدلهای ARIMA با در نظر گرفتن فصلی بودن دادهها ✓ صحیح
- 2. پیشبینی بر اساس میانگین متحرک کوتاه مدت تنها
- 3. تجزیه و تحلیل روند خطی ساده بدون توجه به نوسانات روزانه
- 4. کاربرد مدلهای نمایی صرفاً برای دادههای ثابت
پاسخ صحیح:
- استفاده از مدلهای ARIMA با در نظر گرفتن فصلی بودن دادهها
توضیحات:
مدلهای ARIMA (مدلهای خودرگرسیونی یکپارچه میانگین متحرک) بهطور گستردهای برای پیشبینی سریهای زمانی استفاده میشوند. در زمینه ترافیک، دادهها اغلب الگوهای فصلی مشخصی نشان میدهند—برای مثال، افزایش حجم ترافیک در ساعات خاصی از روز (صبح و عصر) یا روزهای خاصی از هفته.
وقتی از مدل ARIMA با در نظر گرفتن فصلی بودن استفاده میکنیم (معمولاً بهعنوان SARIMA شناخته میشود)، مدل نهتنها وابستگیهای کوتاهمدت در دادهها را در نظر میگیرد، بلکه الگوهای تکراری در بازههای زمانی منظم (فصلی) را نیز مد